[发明专利]一种室内有害气体监测装置

权利要求书

1.一种室内有害气体监测装置，其特征在于，包括气体传感器阵列、数据采集模块和监测模块；

所述气体传感器阵列用于检测多种有害气体，所述气体传感器阵列包括多个传感器；

所述数据采集模块与所述气体传感器阵列的输出端连接，用于采集各个传感器获取的检测数据；

所述监测模块与所述数据采集模块连接，用于将所述数据采集模块采集到的检测数据输入到基于深度置信网络算法的监测模型中，得到室内有害气体的浓度数据。

2.根据权利要求1所述的装置，其特征在于，所述多个传感器包括甲醛传感器、甲苯传感器、二甲苯传感器和三用途气体传感器，所述三用途气体传感器用于同时检测甲醛、甲苯和二甲苯三种有害气体。

3.根据权利要求1所述的装置，其特征在于，所述数据采集模块包括模数转换电路和滤波电路，所述模数转换电路的输入端与所述气体传感器阵列的输出端连接，所述模数转换电路的输出端与所述滤波电路的输入端连接，所述滤波电路的输出端与所述监测模块连接。

4.根据权利要求1或2所述的装置，其特征在于，所述多个传感器中包括至少一个MOS气敏传感器；所述装置还包括温度检测模块和温度调节模块；

所述温度检测模块用于检测所述MOS气敏传感器的工作温度并将温度检测结果输出到温度调节模块；

所述温度调节模块用于根据所述温度检测结果调节所述MOS气敏传感器的工作温度。

5.根据权利要求1-4任一项所述的装置，其特征在于，所述监测模型包括N层受限波尔兹曼机(RBM)网络和设置在N层受限波尔兹曼机(RBM)网络的下层的反向传播神经(BP)网络，所述N≥2。

6.根据权利要求1-4任一项所述的装置，其特征在于，所述监测模型是通过使用样本数据对深度置信网络进行训练获得，所述深度置信网络包括N层受限波尔兹曼机(RBM)网络和设置在N层受限波尔兹曼机(RBM)网络的下层的反向传播神经(BP)网络，所述N≥2；

所述训练过程包括以下步骤：

获取多组样本数据，其中，每一组样本数据都包括通过所述气体传感器阵列对室内有害气体进行检测得到的检测数据以及室内有害气体的真实浓度数据；

对所述深度置信网络的参数进行初始化赋值；

利用所述样本数据对所述深度置信网络进行训练以得到所述监测模型。

7.根据权利要求6所述的装置，其特征在于，所述对深度置信网络的参数进行初始化赋值，包括：

设置最上层受限波尔兹曼机(RBM)网络的可视层的节点个数为所述气体传感器阵列中的传感器的个数；

设置反向传播神经(BP)网络的输出层的节点个数为所述气体传感器阵列可检测的有害气体的种类数；

设置所述深度置信网络的其它各层的节点个数为同一数值；

设置各层受限波尔兹曼机(RBM)网络的可视层偏置、隐藏层偏置、可视层和隐藏层的连接权重为随机极小值；

设置反向传播神经(BP)网络的输入层偏置、输出层偏置、输入层和输出层的连接权重为随机值；以及，

设置所述深度置信网络的学习速率、训练精度和训练次数。

8.根据权利要求7所述的装置，其特征在于，所述利用样本数据对所述深度置信网络进行训练以得到所述监测模型，包括以下步骤：

步骤S1：使用所述样本数据中的所述检测数据对N层受限波尔兹曼机(RBM)网络进行逐层的无监督训练，以调整各层受限波尔兹曼机(RBM)网络的可视层偏置、隐藏层偏置以及可视层和隐藏层的连接权重；

步骤S2：使用所述样本数据中的所述真实浓度数据作为监督，由反向传播神经(BP)网络对深度置信网络进行调整。